IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR

Abstract

Peramalan nilai kurs jual sangat penting dalam kehidupan sehari – hari. Dalam penelitian ini, kami mengajukan jaringan syaraf tiruan dengan algoritma Backpropagation sebagai metode peramalan nilai kurs jual SGD (Dollar Singapura) terhadap IDR (Rupiah Indonesia). Hasil dari simulasi dapat memprediksi nilai kurs jual di hari yang akan datang. Data kurs jual dirubah dalam rentang 0.1 sampai 0.9. Simulasi menggunakan neuron – neuron di layer masukan, layer tersembunyi, layer keluaran dan target dari pelatihan jaringan syaraf tiruan. Jadi, arsitektur yang digunakan dalam perancangan adalah multilayer feedforward. Dalam satu layer tersembunyi, diterapkan tiga fungsi aktivasi (Sigmoid Biner, sigmoid bipolar, dan purelin) dengan parameter 0.1 learning rate, 21 hidden neuron, dan 2000 iterasi. Selama enam bulan prediksi, simulasi menunjukkan hasil mse terkecil diperoleh dengan menggunakan fungsi aktivasi sigmoid bipolar. Saat memprediksi bulan maret dengan arsitektur yang sama, memperoleh hasil mse 1.0067e-05. Hasil tersebut sangat mendekati batas toleransi max epoch 0.00001. Arsitektur dikembangkan menjadi dua dan tiga layar tersembunyi dengan fungsi aktivasi Sigmoid Bipolar. Hasil dari tiga arsitektur tersebut mendekati target dengan perolehan nilai MAPE terkecil adalah pada arsitektur satu layar tersembunyi dengan nilai MAPE 13.2%. Perancangan jaringan syaraf tiruan dibuat dengan software matlab, kemudian diaplikasikan dalam GUI.